在过去的一年中，康桥资本完成6笔投资，涵盖生物制药、药品流通、分子诊断和医疗器械。
这一点比前面两点还要重要。医生端而言，这是最为真实的从业记录，所有的善举和不端都会在数据挖掘技术的放大镜下无所遁形，医生主导的医患信息不对称将会被极大遏制，善于治病认真负责的医生会得到公平的推荐，从而极大地增加收入和声誉。
同时，受到庞大的需求刺激，现场检验（POCT）技术正在快速实用化，最新的Unicorn新贵中，有一家叫做Theranos的公司从事此类研究，现场检验技术和移动医疗技术相得益彰，将使以往在医院才能做得检验项目在家中就可以进行，进一步方便人们在家中就医。医保的管理部门，论渊源还在人力资源和社会保障部门（部分省市的新型农村合作医疗未合并进入医保，目前仍由卫生部门管理），按照吏户礼兵刑工的座次，人社部门属于吏部系统，吏部尚书又称天官，位份远超其它五部。事实上，体制并非铁板一块，看似坚固的水坝有着一道致命的隐痕。从业者们望眼欲穿的多点执业，从政策制定环节就颇多掣肘，地方落实又反复折腾，好不容易有几个开明省市（如广东）拍板落实政策，却架不住院长科主任下有对策。这就要求在设计互联网医疗产品时，必须有合理且富有弹性的品类目录，使C端用户便捷地寻找到想要的服务。
第一、合理的品类目录。看病这件事也是一样，医疗不是高频需求（至少没人希望是），但标准的疾病分类体系可以形成一个品类目录，例如：感冒的治疗，糖尿病随访等等。秘密就像长有草一样叶子的春笋，更像是深埋在地下，只能通过隐秘、侧面的碎片化信息方来判断其位置的冬笋。
但如果你有机会看到很多人自己付钱为了3000元一个专家号、上万甚至数万的飞刀费、几百元一个电话沟通等，你就明白支付根本不是主要问题。你要么成为第一场景的承接，要么让自己成为第一场景。重新理一下我们思考的逻辑线：需求-痛点-频度-解法/产品-执行-商业变现，大家往往认为前三者很清楚：需求超强自不必说，痛点疼痛评分最差也有8、9分，频度多数是低频，因此那些问题往往在思考解法/产品、执行或商业变现上。·…以上都是大佬们找出来的障碍，都是常识，而不是秘密。
根据流量来源可以把第一场景区分为线上和线下，将目前已有的解法区分一下，并以做得动的产品来举例：1.线上：如承接百度流量的好大夫、健康之路和莆系，要么嫁入百度系，要么花大价钱购买;自建流量的如春雨、挂号网、掌上药店、医评和张强医生，你看得见他们的互联网驱动能力的。移动医疗的那些坑，你们都想错了 2015-08-20 11:08 · 医库软件CEO 当下正是移动医疗如火如茶(cha)的时代，很多大佬总是从理论或现实高度分析移动医疗如何不可行，医疗如何无法移动，比如没有支付方啦、政策和医院不开放啦、安全第一啦之类的，那么到底移动医疗是不是掉在这些坑里面了呢? 编者按：作者大怪是Dr.2的好友，内科医生出身，也是移动医疗的运动员，酷妈的创始人。
他说，创业和创新的关键，是找到它称之为秘密的东西。以下内容摘自吴伯凡的《如果你要创业，常识是要绕开的第一个陷阱》：常识很重要，但常识很难为我们带来优势。·医疗是管制行业，医院太强势：出租车也绝对是高度管制市场，没有出租车公司，你都没资格开运营车辆，这点跟医疗是不是很像?·医疗资源特别是优秀的医生资源短缺：这个东东既可以说是原因，其本身也是结果。那到底应该怎么做呢?限于文章标题和篇幅，我只好用Dr.2的名言来回答吧：这……是收费问题。
当然这点跟打车出行还是稍微有一点不同的，Uber可以驱动社会资源来增加出行车辆供给，医疗的社会医生资源少到几乎可以忽略，但把现在的院内医生社会化，是不是就可以解放大量的医生资源而且有助于大量的后备医生进入呢?·安全问题：因噎废食莫过于此，Uber出一件事全球抢先报道，你一共知道几件?平时出租车出事你有机会知道么?首先原来传统医疗的误诊误治,美国有公开数据真心不低，中国么…我就不说了吧。2.线下：从医院获取流量的如挂号网、华康、健康之路、卓健、就诊通等，都是花了大价钱跟医院合作的，土豪风呼之欲出;当然也看得到很多试图以医生为流量入口的，目前都处于十分艰难的状态，具体有哪些请自行百度;自建流量的主要是体检、卓正诊所等，这是相对比较传统的模式，今天要做的话必须要有自己的三板斧，不然你就是海底一针，拿显微镜也不一定找得到你。逻辑上越短缺，就越是新模式的机会，如果本来不缺，反而没得做了。酷妈-宝宝发烧助手的首席医学官、医学博士懒道人将这个需求特点命名为场景触发式刚需高频，这个场景就是我们说的第一场景。
如果你没有这种默然心会的知识(tacit knowledge)，任你怎样烧香拜佛跳大神，也不可能找到冬笋。也就是说，没发病时无论你跟用户说功能多好、利益多大，用户都丝毫不为其所动，因为这时候用户觉得完全不需要;而一旦发病，需求超强，一整天随时都有强烈需求;而一旦病好了，又进入完全不需要的状态(颇有点静如处子动如脱兔的赶脚)。
要么是为了吓退移动医疗从业者，要么是高屋建瓴、故作高深地指点江山。在跳频的基础上，大部分的医疗需还有一个致命性的特点：突发，生病前也没人发个通知啥的，用户无法预知不可安排不能计划，这个不用解释吧?跳频+突发的特点几乎把大部分的互联网产品玩法搞了个半死，因为如果抓不住跳频突发，就倒回去把刚需和强痛点给搞没了。
而当基础性的需求-痛点-频度(用户角度)没理清楚的时候，你从解法/产品、执行或商业变现(项目角度)上来思考，有如没有病人数据或错误的数据就要做出诊断治疗，结果不言而喻，你会发现几乎无法让用户愿意、有兴趣跟你玩吧?好不容易拉了点用户上来，发现大部分人根本用不上;费老大的劲搞点活跃度，发现玩的人基本不是真的用户;然后当用户突发需求的时候，根本想不起、找不到我们精心设计的产品。各花入各眼，每个人的基因、资源、状态都不同附：前面提到的常识秘密概念，估计有些童鞋不一定明白，这里解释下。如果你要创业、创新，那么常识是你必须绕过的第一个巨大而无形的陷阱，一个看上去很不像陷阱的陷阱。而为了增加活跃或使用频率的而增加的功能，比如天天发点豆子要求用户点一下，或者弄点天气、股票、八卦等，造成虚假繁荣景象，到后来产品经理自己也被自己忽悠了，觉得自己的产品活跃度还不错，后来才会发现怎么都无法理解用户很多，活跃不低，但然后…就没有然后了。移动互联网更显著的去中心化和入口多元化，打法已经不局限于那三板斧了。而解法(诊断)是承上启下的节点。
同时对谦哥的两篇雄文《移动医疗的伪需求》和《创业反思录》从另一个维度提出了不同的看法Chris Nicholson说道，它是Skymind公司的联合创始人。
芯片可以高效执行神经网络的命令。他和他的团队第一次对外公布这一发明时，用它为位于硅谷的IBM研发实验室的学者和政府研究人员提供支持，进行了三周的试运行。
他不是数字化的大脑，但是它在这条道路上迈出了重要的一步，而且通过IBM的试运行，这一计划也步入了正规。Peter Diehl（苏黎世理工大学皮质计算组的博士）认为，TrueNorth 要比独立图形芯片和FPGA都要优秀，因为它功耗很低。
深度学习需要非常强大的处理能力，一般来说这个级别的处理能力是巨型数据中心才可以提供的，而我们的手机一般通过网络与其相连。不过要理解这些，你首先要理解深度学习是如何工作的。每块芯片都能模拟数以百万计的神经元，而且这些神经元可以通过大脑中的突触互相交流。最近连线杂志的记者在项目负责人Dharmendra Modha的带领下，近距离接触了整个工程。
从神经突触结构里我们能得到什么？我们只需要很低的功耗就可以进行图片分类，还可以在新环境中不断解决新问题。这样未来我们就有可能将这一人工智能放进手机和其他的小型设备中，比如助听器和手表。
当然，想要这种芯片真正发挥功效还需要配套的新型软件，这也正是Diehl等研发人员在试运行期间一直努力做的。即便如此，现下TrueNorth还不能完全与深度学习算法同步。
一旦完成了对神经网络的训练，芯片就可以帮助你绕过巨型数据中心，直接完成第二步的操作。它的运作分为两个阶段，首先谷歌和Facebook之类的公司需要培植自己的神经网络来处理特殊任务。
IBM神科技：48块芯片造了个人工大脑 2015-08-21 06:00 · angus 这就是TrueNorth芯片。Brian Van Essen说道，他是劳伦斯•利弗莫尔国立实验室的计算机科学家，负责将深度学习算法运用到国家安全中去。但他清楚这一目标不可能很快实现，在追求梦想的路上也不能忽略现实，他说道。神经冲动可以在某人的讲话中显示声调的改变，或图像中色彩的改变。
整个机器其实是48台没的机器组成的，每一个都有自己的TrueNorth处理器。虽然芯片上有54亿个晶体管，但其功耗只有区区70毫瓦特。
他并没有参加试运行，但却密切关注着这一芯片的进展。两者都对神经网络进行了深度模拟，并在大脑中产生神经元和突触。
他是说一个小型啮齿动物的大脑，至少这堆芯片能顶的上那样的大脑。你不需要让神经细胞模拟基础物理学，化学和生物学来提升计算能力，我们要在维持足够灵活性的同时变得与大脑越来越相似。